基于ARMA和BPNN组合模型的MIMU陀螺随机漂移预测方法技术

本发明专利技术是一种基于ARMA和BPNN组合模型的MIMU陀螺随机误差预测方法，主要包括：步骤一：在静止的状态下采集单轴微陀螺仪的随机漂移数据，通过观察自相关参数ACF和偏相关参数PACF的图形特性判断陀螺原始数据序列的平稳性，进行ADF单位根的检验，经过差分剔除序列的趋势项后得到平稳的数据。步骤二：采用AIC最小准则法对陀螺平稳序列进行模型定阶，构建陀螺漂移平稳序列的ARMA模型。步骤三：使用组合模型对陀螺的随机漂移序列进行建模，从步骤二的ARMA模型的误差数据中选取训练集和测试集，建立BP神经网络预测模型，设置BP神经网络的结构。步骤四：对所建BP神经网络模型的样本数据进行训练，并保存陀螺随机漂移的预测结果。

【技术实现步骤摘要】
基于ARMA和BPNN组合模型的MIMU陀螺随机漂移预测方法
本专利技术涉及深组合导航系统中MIMU(微惯性测量单元)的随机漂移预测，具体涉及陀螺随机漂移误差预测拟合方法。
技术介绍
随着集成电路硅半导体制造工艺的不断完善，微机械制造技术取得长足发展，MEMS(Micro-Electro-MechanicalSystem)惯性敏感器由此产生。同时它以尺寸小、质量轻、高可靠、耐冲击、易安装、可大批量生产、成本低廉的特点，与微电子加工电路相集成，做到了机电一体化。尤其，随着MEMS惯性敏感器精度的不断提升，在军事领域的导航系统设备中，采用微机械惯性仪表作为惯性测量器件的捷联惯性导航系统，正在不断占领市场。在制导弹药系统中，利用MEMS陀螺和加速度计构成惯性导航系统，不仅大大降低了弹药体积和重量，而且进一步提高了系统性能。基于微机电系统MEMS构建的微惯性测量单元IMU具有体积小、成本低的优点，可以提供运载体的位置、速度和姿态信息。由于MEMS惯性传感器的精度相对较低，并且容易受到外界环境条件的影响，因此抑制MEMS-IMU误差的研究在任何环境条件下都需要开展，这些研究对我们将MEMS-I本文档来自技高网...

【技术保护点】
基于ARMA和BPNN组合模型的MIMU陀螺随机漂移预测方法，其特征在于，包括以下几个步骤：步骤1：对MIMU陀螺的实时输出数据进行预处理。在静止的状态下采集单轴陀螺的随机漂移数据，判断原始数据序列的平稳性，对陀螺的测试数据进行相关性检验，初步判定ARMA模型的阶数。将微惯性测量单元MIMU安装在转台上，外接电源预热15分钟，使陀螺的数据基本达到一个趋于稳定的状态。对串口接收程序进行设置，在编写的导航系统界面观察陀螺输出并采集数据。从MIMU陀螺仪采集到的稳定数据中选取5002个随机误差数据，针对陀螺仪的确定性误差部分进行标定试验，对MIMU陀螺仪去除确定性误差，得到含有输出噪声的信号。基于陀...

【技术特征摘要】
1.基于ARMA和BPNN组合模型的MIMU陀螺随机漂移预测方法，其特征在于，包括以下几个步骤：步骤1：对MIMU陀螺的实时输出数据进行预处理。在静止的状态下采集单轴陀螺的随机漂移数据，判断原始数据序列的平稳性，对陀螺的测试数据进行相关性检验，初步判定ARMA模型的阶数。将微惯性测量单元MIMU安装在转台上，外接电源预热15分钟，使陀螺的数据基本达到一个趋于稳定的状态。对串口接收程序进行设置，在编写的导航系统界面观察陀螺输出并采集数据。从MIMU陀螺仪采集到的稳定数据中选取5002个随机误差数据，针对陀螺仪的确定性误差部分进行标定试验，对MIMU陀螺仪去除确定性误差，得到含有输出噪声的信号。基于陀螺仪弱非线性和弱时变性的特点，将陀螺漂移作为时间序列问题处理，使用ARMA预测拟合的方法。观察自相关参数ACF和偏相关参数PACF的图形特性的拖尾性和截尾性，判断陀螺原始数据序列的平稳性，并进一步通过进行ADF单位根的检验，由一阶差分剔除序列的趋势项后得到平稳的数据，并由自相关系数和偏相关系数初步确定模型的阶数。步骤2：采用AIC最小准则法对步骤1得到的陀螺平稳序列进行模型的确定性定阶。在数据拟合之后，判断数据残差的ACF和PACF图形基本是白噪声和是否收敛于信任上下限，并满足截尾的要求。构建ARMA模型，在对未来的数据预测拟合过程中，列出陀螺漂移序列的预测模型。假如陀螺在t时刻的输出响应为xt，陀螺的输出序列{xt}(t＝1,2,3,…)，该输出不仅与t时刻以前的输出xt-1,xt-2···相关，而且还与以前时刻影响陀螺精度的扰动有关，建立自回归滑动平均系统ARMA(p,q)，将序列表示为：xt-φ1xt-1-…-φpxt-p＝εt-θ1εt-1-…-θqεt-p(1)或记为：φ(B)xt＝θ(B)εt(2)(1)式中，p是自回归多项式的阶数，q为滑动平均多项式阶数，xt与xt-1为相邻时刻陀螺的实时输出量。φi表示的是xt对xt-i的依赖程度，{εt}代表陀螺本身随机扰动的白噪声序列，εt-j为前j个时刻进入数据采集系统的扰动，θj为自相关系数。对MIMU陀螺仪的数据进行短期的预测，预测了100个数据点的陀螺输出数据，列出陀螺的漂移序列预测模型。步骤3：提出组合模型对陀螺的随机漂移序列进行建模，从步骤2的ARMA模型的误差数据中选取训练集和测试集。本发明主要构建基于ARMA和BP神经网络的组合模型，首先将陀螺仪随机漂移序列xt分为一个线性自相关的结构xt和一个非线性部分Nt的组合，用ARMA模型对输出的线性部分建模预测，设预测的结果为原陀螺序列与预测结果的残差为et，即：从线性模型中求出的残差将只保留非线性关系，否则这个...

【专利技术属性】
技术研发人员：沈锋，徐定杰，武哲民，高伟，高畅，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23